(Luận văn thạc sĩ) nghiên cứu các phương pháp nhận dạng ổn định hệ thống điện

Để giải quyết những vấn đề khó khăn trên, đề tài này tập trung nghiên cứu phương pháp nhận dạng nhanh ổn định động hệ thống điện có độ chính xác cao dựa trên kỹ thuật mạng nơron nhân tạo

LỜI CAM ĐOAN

Tôi cam đoan đây là công trình nghiên cứu của tôi

Các số liệu, kết quả nêu trong luận văn là trung thực và chưa từng được ai công bố trong bất kỳ công trình nào khác

Trong luận văn có sử dụng một số tài liệu tham khảo như đã nêu trong phần tài liệu tham khảo

Tp.Hồ Chí Minh, ngày 21 tháng 03 năm 2016

Tác giả luận văn

Võ Thanh An

LỜI CẢM TẠ

Trước tiên, tôi xin gửi lời cảm ơn chân thành đến PGS.TS Quyền Huy Ánh, người đã tạo mọi điều kiện, động viên và hướng dẫn tôi hoàn thành luận văn này Bên cạnh đó, tôi cũng muốn gửi lời cảm ơn đến NCS Nguyễn Ngọc Âu, người đã

hỗ trợ tôi rất nhiều trong suốt quá trình thực hiện luận án

Cảm ơn cơ quan, bạn bè, đồng nghiệp, và trên tất cả, tôi muốn gửi lời cảm ơn đến tất cả các thành viên trong gia đình của tôi, cảm ơn cha, mẹ, đã cùng chia sẻ, động viên và tạo mọi điều kiện thuận lợi để tôi hoàn thành nhiệm vụ học tập và nghiên cứu

Xin chân thành cảm ơn quý thầy, cô đã truyền đạt cho tôi nhiều kinh nghiệm

và kiến thức quý báu trong quá trình học tập và nghiên cứu Xin cảm ơn PGS.TS Quyền Huy Ánh, NCS Nguyễn Ngọc Âu đã hướng dẫn và hỗ trợ tôi hoàn thành luận văn

Tp.Hồ Chí Minh, ngày 21 tháng 3 năm 2016

Tác giả luận văn

Võ Thanh An

TÓM TẮT LUẬN VĂN

Cùng với sự phát triển kinh tế xã hội, hệ thống điện phát triển rất nhanh về quy

mô, có tính phi tuyến cao và thường có các dao động công suất lớn khi xuất hiện ngắn mạch Điều này dẫn đến việc đánh giá ổn định động dựa trên các phương pháp phân tích truyền thống tốn nhiều thời gian giải nên gây chậm trễ trong việc ra quyết định Vì vậy, việc phát hiện nhanh và cảnh báo sớm mất ổn định hệ thống điện giúp điều độ viên và hệ thống điều khiển ra quyết định kịp thời trở thành yếu tố then chốt đảm bảo vận hành hệ thống điện ổn định

Để giải quyết những vấn đề khó khăn trên, đề tài này tập trung nghiên cứu phương pháp nhận dạng nhanh ổn định động hệ thống điện có độ chính xác cao dựa trên kỹ thuật mạng nơron nhân tạo kết hợp với kỹ thuật xử lý dữ liệu

Đối với hệ thống điện nhiều máy, quy mô của bộ dữ liệu ổn định động rất lớn, gây tốn chi phí huấn luyện của các hệ thống thông minh Do đó, cần trích xuất tập dữ liệu đủ gọn nhưng vẫn mang tính đại diện cho hệ thống giúp huấn luyện nhanh và chính xác ổn định động hệ thống điện Kỹ thuật xử lý dữ liệu được áp dụng trong luận văn là kỹ thuật phân cụm dữ liệu và kỹ thuật lựa chọn biến đặc trưng Kỹ thuật phân cụm dữ liệu áp dụng hai phương pháp phổ biến là Kmeans và Fuzzy Cmeans Ba phương pháp lựa chọn biến đặc trưng được áp dụng là Fisher, Divergence, Relief

Hai bộ nhận dạng được sử dụng để đánh giá độ chính xác nhận dạng là ma ̣ng nơron GRNN (Generalized Regression Neural Network) và MLPNN (Multilayer Perceptron Neural Network)

Kết quả kiểm tra trên sơ đồ IEEE 10-máy 39-bus, cho thấy bộ nhận dạng GRNN với phương pháp chọn biến Relief, áp dụng cho bộ mẫu phân cụm Kmeans (1100 mẫu) ở quá trình huấn luyện, cho kết quả độ chính xác nhận dạng mẫu kiểm tra đạt 97,25%, tăng 1% so với bộ nhận dạng không phân cụm ban đầu (3200 mẫu) Kết quả ứng dụng mạng sau huấn luyện cũng thể hiện sự vượt trội về thời gian đối với phương pháp mô phỏng theo miền thời gian

ABSTRACT

Along with the socio-economic development, the power systems grow rapidly in size with high nonlinearity and often have large power swings when short circuits occur Thus, leads to the dynamic stability assessment based on the traditional analysis methods take a lot of time, which causes delays in decision making Therefore, the fast assessment and an early warning system of the instability of power system helps dispatcher and control systems to take decisions in time became a key factor to ensure the stability in power system operation

To solve the above problems, this thesis focused on studying the fast prediction method of dynamic stability of power system based on the artificial neural network technique combined with data processing techniques

For electrical system, the size of stability data set is very great stability, causing costly training intelligent systems Therefore, the data need to extract not only compact but also representative for electrical system to help training quickly and accurately Data processing techniques to be applied in the thesis are data clustering technique and feature selection technique Data clustering technique is applied two common algorithm: Kmeans and Fuzzy Cmeans Three feature selection techniques are applied as Fisher, Divergence, Relief

Two models of recognition is used to assess the recognition accuracy that is GRNN (Generalized Regression Neural Network) and MLPNN (Multilayer Perceptron Neural Network)

Test results on IEEE 10-generator 39-bus system showed that the model of recognition GRNN with Relief-based feature selection method, applied to the Kmeans clustering data set (1100 samples) in the training process, the results of correct classification rate reached 97.25%, up 1% compared with the no clustering recognizer (3200 samples) Result application after training network also shows the superiority of time for time domain simulation method

MỤC LỤC

Quyết định giao đề tài

Lý lịch cá nhân

Lời cam đoan i

Lời cảm tạ ii

Tóm tắt luận văn iii

Mục lục v

Danh sách các chữ viết tắt ix

Danh sách các hình x

Danh sách các bảng xii

Chương 1 TỔNG QUAN 1

1.1 Tổng quan về lĩnh vực nghiên cứu 1

1.2 Tính cấp thiết của đề tài 4

1.3 Mục tiêu và nhiệm vụ của luận văn 5

1.4 Phạm vi nghiên cứu 6

1.5 Phương pháp nghiên cứu 6

1.6 Ý nghĩa khoa học và giá trị thực tiễn của luận văn 6

Chương 2 ĐÁNH GIÁ ỔN ĐỊNH HỆ THỐNG ĐIỆN 7

2.1 Ổn định hệ thống điện 7

2.2 Phân loại ổn định hệ thống điện 7

2.2.1 Ổn định góc quay rotor 8

2.2.2 Ổn định điện áp 9

2.2.3 Ổn định tĩnh 9

2.3 Phương trình dao động của máy phát 12

2.4 Mô hình đơn giản hóa máy phát và hệ thống tương đương 14

2.5 Ổn định hệ nhiều máy 16

2.6 Đánh giá ổn định hệ thống điện 19

2.6.1 Quy trình mô phỏng lấy mẫu trong PowerWorld 20

2.6.2 Mô tả quá trình lấy mẫu 26

2.7 Kết luận chương 2 26

Chương 3 LỰA CHỌN BIẾN ĐẶC TRƯNG 27

3.1 Tổng quan 27

3.2 Lựa chọn biến đặc trưng 27

3.2.1 Khái niệm 27

3.2.2 Các phương pháp tiếp cận 28

3.3 Quy trình lựa chọn biến đặc trưng 30

3.3.1 Lựa chọn biến đặc trưng ban đầu 30

3.3.2 Tìm kiếm biến đặc trưng ứng viên 31

3.3.3 Đánh giá biến đặc trưng ứng viên 31

3.3.3.1 Hàm khoảng cách Fisher 31

3.3.3.2 Hàm khoảng cách Divergence 32

3.3.3.3 Giải thuật Relief 32

3.3.4 Tiêu chuẩn dừng 34

3.4 Kết luận chương 3 34

Chương 4 PHÂN CỤM DỮ LIỆU 35

4.1 Tổng quan 35

4.1.1 Giới thiệu về phân cụm dữ liệu 35

4.1.2 Định nghĩa về phân cụm dữ liệu 35

4.2 Các phương pháp phân cụm dữ liệu 35

4.2.1 Phương pháp phân cụm dữ liệu Kmeans 35

4.2.1.1 Khái niệm 35

4.2.1.2 Các bước cơ bản của thuật toán Kmeans 37

4.2.1.3 Hàm Kmeans trong phần mềm Matlab 38

4.2.2 Phương pháp phân cụm dữ liệu Fuzzy Cmeans 38

4.2.2.1 Khái niệm 38

4.2.2.2 Hàm mục tiêu của thuật toán Fuzzy Cmeans 39

4.2.2.3 Các bước cơ bản của thuật toán Fuzzy Cmeans 41

4.2.2.4 Hàm Fuzzy Cmeans trong phần mềm Matlab 42

4.3 Quy trình rút gọn dữ liệu 43

4.4 Kết luận chương 4 45

Chương 5 MẠNG NƠRON VÀ MÔ HÌNH NHẬN DẠNG 46

5.1 Giới thiệu về mạng nơron 46

5.1.1 Mô hình nơron sinh học 46

5.1.2 Mô hình nơron nhân tạo 47

5.1.3 Hàm chuyển đổi 49

5.1.4 Phân loại mô hình cấu trúc mạng nơron 50

5.2 Mạng Perceptron nhiều lớp 50

5.3 Mạng hàm truyền xuyên tâm 52

5.3.1 Mạng hồi quy tổng quát 53

5.3.2 Mạng nơron xác suất 55

5.4 Luật đầu ra của bộ phân loại 57

5.5 Huấn luyện và đánh giá mô hình nhận dạng 58

5.6 Nhận dạng và phương pháp tiếp cận 59

5.7 Các giai đoạn trong một mô hình nhận dạng 59

5.8 Mô hình nhận dạng 60

5.9 Kết luận chương 5 61

Chương 6 ỨNG DỤNG MẠNG NƠRON NHẬN DẠNG ỔN ĐỊNH ĐỘNG HỆ THỐNG ĐIỆN IEEE 10-MÁY 39-BUS 62

6.1 Sơ đồ hệ thống điện IEEE 10-máy 39-bus New England 62

6.2 Mô hình mạng nơron nhận dạng ổn định động hệ thống điện 63

6.3 Tạo cơ sở dữ liệu ổn định động 65

6.4 Xây dựng tập mẫu học 66

6.5 Biến đầu vào và biến đầu ra 66

6.6 Chuẩn hóa dữ liệu 66

6.7 Phân chia dữ liệu 66

6.8 Lựa chọn biến đặc trưng và mô hình mạng nơron 67

6.8.1 Đánh giá chọn biến đặc trưng 67

6.8.1.1 Giới thiệu 67

6.8.1.2 Các bước thực hiện 67

6.8.1.3 Kết quả 68

6.8.1.4 Nhận xét 70

6.8.2 Lựa chọn biến và mô hình mạng nơron 70

6.8.2.1 Giới thiệu 70

6.8.2.2 Các bước thực hiện 70

6.8.2.3 Kết quả huấn luyện nhận dạng ANN 72

6.8.2.4 Nhận xét 75

6.9 Thu gọn mẫu 75

6.9.1 Giới thiệu 75

6.9.2 Các bước thực hiện thu gọn mẫu 76

6.9.3 Kết quả đánh giá độ chính xác 77

6.9.4 Chọn tập mẫu phân cụm 79

6.10 Ứng dụng mạng sau huấn luyện 80

6.11 Kết luận chương 6 81

Chương 7 KẾT LUẬN VÀ HƯỚNG NGHIÊN CỨU PHÁT TRIỂN 83

7.1 Kết luận 83

7.2 Hướng nghiên cứu phát triển 84

TÀI LIỆU THAM KHẢO 85

PHỤ LỤC 91

DANH SÁCH CHỮ VIẾT TẮT/KÝ HIỆU KHOA HỌC

ANN (Artificial Neural Network)

BPLNN (Backpropagation Learning Neural Network)

CCT (Critical Clearing Time)

CNN (Committee Neural Network)

FCT (Fault Clearing Time)

GRNN (Generalized Regression Neural Network)

HTĐ (Hệ thống điện)

IEEE (Institute of Electrical and Electronics Engnineers)

MLFNN (Multilayer Feedforward Neural Network)

MLPNN (Multilayer Perceptron Neural Network)

PNN (Probabilistic Neural Network)

RBFN (Radial Basis Function Network)

DANH SÁCH CÁC HÌNH

Hình 2.1: Ổn định góc quay rotor dưới các chế độ quá độ HTĐ khác nhau 9

Hình 2.2: Sơ đồ phasor đơn giản của một máy phát, bỏ qua trở kháng 10

Hình 2.3: Đường cong góc công suất quá độ với độ dốc K1 14

Hình 2.4: Máy phát kết nối với thanh cái vô hạn và sơ đồ phasor 14

Hình 2.5: Mô hình đơn giản hóa máy điện đồng bộ 15

Hình 2.6: Máy phát điện đồng bộ kết nối với một hệ thống tương đương 16

Hình 2.7: Hệ thống điện N nút dùng cho các nghiên cứu ổn định quá độ 17

Hình 2.8: Quy trình mô phỏng lấy mẫu ổn định hệ thống điện 22

Hình 2.9: Quy trình cài đặt các thông số, mô hình chuẩn và kích hoạt hệ thống tự điều chỉnh của hệ thống điện IEEE 39-bus 23

Hình 2.10: Quy trình chạy phân bố công suất tối ưu 24

Hình 2.11: Quy trình mô phỏng ổn định quá độ và lấy mẫu 25

Hình 3.1: Quy trình lựa chọn biến đặc trưng 30

Hình 3.2: Mô tả giải thuật Relief 33

Hình 4.1: Sử dụng Kmeans để phân 2 cụm trong một bộ dữ liệu 36

Hình 4.2: Quy trình phân cụm dữ liệu 43

Hình 4.3: Phương pháp kết hợp tuần tự để chọn số tâm cụm dữ liệu 45

Hình 5.1: Mô hình nơron sinh học 47

Hình 5.2: Mô hình nơron nhân tạo 48

Hình 5.3: Mô hình nơron với ký hiệu rút gọn 48

Hình 5.4: Hàm chuyển đổi log-sigmoid 49

Hình 5.5: Hàm chuyển đổi tan-sigmoid 49

Hình 5.6: Hàm chuyển đổi linear 50

Hình 5.7: Hàm chuyển đổi radial basis 50

Hình 5.8: Mạng Perceptron nhiều lớp 51

Hình 5.9: Mạng hàm truyền xuyên tâm 52

Hình 5.10: Mạng hồi quy tổng quát 54

Hình 5.11: Mạng nơron xác suất 55

Hình 5.12: Mô hình nhận dạng 61

Hình 6.1: Sơ đồ hệ thống điện IEEE 10-máy 39-bus New England 63

Hình 6.2: Mô hình mạng nơron nhận dạng ổn định động hệ thống điện 64

Hình 6.3: Xếp hạng biến theo khoảng cách Fisher 68

Hình 6.4: Xếp hạng biến theo khoảng cách Divergence 69

Hình 6.5: Xếp hạng biến theo trọng số Relief 69

Hình 6.6: So sánh độ chính xác nhận dạng của GRNN 73

Hình 6.7: So sánh độ chính xác nhận dạng của MLPNN 73

Hình 6.8: So sánh kết quả huấn luyê ̣n nhận dạng kiểm tra của MLPNN và GRNN với bộ ban đầu 3200 mẫu với 15 biến đặc trưng đầu vào 74

Hình 6.9: Phương pháp kết hợp tuần tự để chọn số tâm cụm dữ liệu 77

Hình 6.10: Kết quả huấn luyê ̣n nhận dạng kiểm tra của GRNN với c ác bộ mẫu đã phân cụm Kmeans 78

Hình 6.11: Kết quả mô phỏng theo miền thời gian ngắn mạch 3 pha trên đường dây 17-27 của HTĐ IEEE 10-máy 39-bus với sự hỗ trợ phần mềm PowerWorld 81

DANH SÁCH CÁC BẢNG

Bảng 6.1: Các thông số cài đặt mặc định của mô hình ANN với thuật toán

Levenberg-Marquardt trong Matlab 71

Bảng 6.2: So sánh độ chính xác nhận dạng kiểm tra của GRNN và MLPNN tại 15 biến với phương pháp Relief, Divergence và Fisher 74

Bảng 6.3: So sánh đô ̣ chính xác nhâ ̣n da ̣ng kiểm tra của GRNN -Relief ta ̣i 15 biến và 104 biến, với bộ mẫu ban đầu 3200 mẫu 74

Bảng 6.4: So sánh thời gian huấn luyê ̣n của MLPNN -Relief và GRNN-Relief ta ̣i 15 biến và 104 biến, với bộ mẫu ban đầu 3200 mẫu 74

Bảng 6.5: Số lượng mẫu ổn định động sau khi đã phân cụm 76

Bảng 6.6: So sánh đô ̣ chính xác nhâ ̣n da ̣ng của MLPNN và GRNN ta ̣i bộ mẫu ban đầu Data(2400,800) và bộ mẫu phân cụm Kmeans và Fuzzy Data(800,300) 78

Bảng 6.7: So sánh thời gian huấn luyê ̣n của MLPNN và GRNN ta ̣i bộ mẫu ban đầu Data(2400,800) và bộ mẫu Kmeans và Fuzzy Cmeans Data(800,300) 79

Bảng 2.1: Thông số mô hình máy phát điện đồng bộ GENPWTwoAxis 91

Bảng 2.2: Thông số thiết bị điều khiển kích từ IEEE1 91

Bảng 2.3: Thông số thiết bị điều chỉnh tần số TGOV1 91

Bảng 2.4: Công suất định mức, công suất Pmax, Pmin máy phát, điện áp đầu cực máy phát, công suất định mức tải 92

Bảng 2.5: Thông số điện trở RT, điện kháng XT và thông số cài đặt đầu phân áp trên các máy biến áp 93

Bảng 2.6: Thông số điện trở, điện kháng và dung dẫn đường dây 93

Bảng 2.7: Thông số xác lập trên các thanh góp khi chạy phân bố công suất tối ưu ở 100% tải 94

CHƯƠNG 1 TỔNG QUAN

1.1 Tổng quan về lĩnh vực nghiên cứu

Hệ thống điện đang ngày càng phát triển mạnh mẽ cả về quy mô và độ phức tạp, đồng thời những khó khăn trong vận hành hệ thống do sự phát triển không tương xứng giữa nhu cầu phụ tải, hệ thống truyền tải và nguồn năng lượng Vì vậy,

hệ thống điện đối mặt nguy cơ vận hành gần với biên ổn định, các sự cố bất thường như ngắn mạch đường dây, ngắt máy phát,… có thể xảy ra gây mất ổn định hệ thống điện Các nhiễu loạn này làm gián đoạn liên tục cung cấp điện, gây tổn thất cho nền kinh tế, ảnh hưởng đến hệ thống điện và mang nguy cơ sụp đổ hệ thống điện Do vậy, cần phát hiện nhanh và cảnh báo sớm mất ổn định hệ thống điện giúp

hệ thống điều khiển ra quyết định kịp thời, đảm bảo vận hành hệ thống điện ổn định

Ổn định hệ thống điện đề cập đến quá trình dao động điện từ trên hệ thống điện do những kích động gây nên Ổn định động là khả năng của hệ thống sau những kích động lớn phục hồi trạng thái ban đầu hoặc gần với trạng thái ban đầu nhờ hệ thống máy phát vẫn duy trì được sự đồng bộ [1,9] Do đó, để tăng sự an toàn

và giảm thiệt hại có thể xảy ra, một hệ thống đánh giá nhanh và chính xác ổn định

hệ thống điện yêu cầu phải được phát triển dựa trên phân tích ổn định của hệ thống,

để thực hiện cảnh báo sớm và vận hành an toàn hệ thống điện

Việc đánh giá ổn định hệ thống điện sau kích động lớn đã có nhiều phương pháp được nghiên cứu áp dụng Một số phương pháp thường được sử dụng để đánh giá ổn định quá độ là phương pháp mô phỏng miền thời gian, phương pháp ổn định trực tiếp và phương pháp hàm năng lượng [23,24,25,56] Phương pháp mô phỏng miền thời gian được thực hiện đánh giá ổn định qua việc giải các phương trình không gian trạng thái của các hệ thống điện, do đó cho kết quả chính xác nhưng tốn nhiều thời gian và không kiểm tra được biên ổn định của hệ thống [10,23,56] Phương pháp trực tiếp cho câu trả lời chính xác về ổn định quá độ hệ thống điện,

pháp hàm năng lượng xác định ổn định quá độ mà không cần giải các phương trình không gian trạng thái khác của hệ thống điện, cho biết thời gian cắt ổn định động nhưng khá phức tạp và tốn nhiều thời gian [22,23,29,56]

Với sự phức tạp và thời gian giải kéo dài, các phương pháp phân tích truyền thống gây nên chậm trễ trong việc ra quyết định Do yêu cầu rất khắc khe về thời gian tính toán, tính toán nhanh nhưng phải chính xác đã xuất hiện nhu cầu nghiên cứu và ứng dụng phương pháp khác hiệu quả hơn Một trong số các phương pháp hiệu quả đó là phương pháp nhận dạng mẫu

Phương pháp nhận dạng mẫu (Pattern Recognition) áp dụng đánh giá ổn định động hệ thống điện bỏ qua giải tích và thay thế bằng cách học quan hệ mẫu đầu vào

và đầu ra [20], đối với các tiếp cận theo hướng này thì bộ phân loại được huấn luyện offline và kiểm tra online Trong [13,14,16,21] tác giả đề xuất các giai đoạn khai triển của mô hình nhận dạng thông minh đánh giá ổn định hệ thống điện Trong [22,31], tác giả chọn tín hiệu đầu vào là các biến đặc trưng chế độ xác lập tiền sự cố

để chẩn đoán ổn định quá độ qua chỉ số thời gian cắt tới hạn CCT (Critical Clearing Time), là thời gian cắt sự cố dài nhất cho phép để hệ thống vẫn giữ ổn định ứng với góc công suất cắt chuẩn Tuy nhiên, khi kích thước của hệ thống điện tăng, số lượng các thông số phân loại trở nên rất lớn và có thể khiến giảm độ tin cậy và đòi hỏi một tập huấn luyện lớn Việc tìm mối liên hệ giữa các biến đặc trưng chế độ xác lập tiền

sự cố và độ ổn định cũng là một thách thức

Có hai loại biến đặc trưng, chúng được phân loại thành biến đặc trưng trước

sự cố và biến đặc trưng sau sự cố Trong đó, biến đặc trưng trước sự cố thường là thông số xác lập [13,14,15] Với những biến đặc trưng trước sự cố, an ninh hệ thống điện có thể được đánh giá trước khi sự cố xảy ra, nếu trạng thái vận hành hiện tại được hiển thị không ổn định, những người vận hành có thể chuẩn bị điều khiển phòng ngừa để dịch chuyển điểm vận hành hệ thống vào các vùng an toàn để tránh nguy cơ mất ổn định Điều này có thể đảm bảo hệ thống điện vận hành ở trạng thái phòng ngừa, chặn trước những sự kiện ngẫu nhiên, nhưng nó sẽ phải chịu chi phí tốn kém do sự thay đổi trạng thái vận hành hệ thống, chẳng hạn kế hoạch tái phát

điện Ngược lại, những biến đặc trưng sau sự cố được sử dụng như là ngõ vào của đánh giá ổn định động, chỉ có thể được thực hiện sau khi một kích động thực sự xảy

ra, và nếu sự ổn định được phát hiện bị mất trong thời gian ngắn, những điều khiển phục hồi nên được kích hoạt ngay lập tức, như là ngắt máy phát và/hoặc sa thải phụ tải Đây là biện pháp đối phó, không mất chi phí nếu những kích động không thực

sự xảy ra, nhưng vẫn dẫn đến sự hao phí kinh tế to lớn nếu được thực hiện, chẳng hạn việc loại bỏ các máy phát điện và/hoặc các bus tải là không thể tránh khỏi Bên cạnh đó, việc sử dụng những biến đặc trưng sau sự cố đòi hỏi một khoảng thời gian đáp ứng nhất định để chẩn đoán sự ổn định [13,14] Thời gian tới hạn này có thể là quá dài cho những người vận hành thực hiện những hành động khắc phục kịp thời

dữ liệu đặc trưng tốt nhất có khả năng phân biệt cao nhất [20], qua đó giúp hệ thống

xử lý dữ liệu một cách nhanh chóng và độ chính xác chấp nhận Trong [20] trình bày ANN sử dụng phương pháp nhận dạng mẫu để đánh giá an ninh Trong [27,29] ứng dụng MLPNN (Multilayer Perceptron Neural Network) để ước lượng biên ổn định quá độ hệ thống điện Trong [23] CNN (Committee Neural Network), [28] PNN (Probabilistic Neural Network) đã được sử dụng để đánh giá ổn định quá độ qua góc rotor tương đối máy phát KNN (Kohenen Neural Network) [32], GRNN (Generalized Regression Neural Network) [30], MLFNN (Multilayer Feedforward Neural Network) [24,25,33], BPLNN(Backpropagation Learning Neural Network) [31,22] đánh giá ổn định hệ thống điện qua chỉ số CCT (Critical Clearing Time)

Trong các nghiên cứu theo hướng nhận dạng, ANN nhận dạng ổn định động

hệ thống điện, việc nhận dạng dựa vào bộ dữ liệu ổn định động trước sự cố thường dùng trong đánh giá an ninh Với các dữ liệu sau sự cố, ổn định động có thể được

chẩn đoán khi sự cố ngẫu nhiên xảy ra Do vậy, thông qua kỹ thuật xử lý dữ liệu, cần thiết phát triển mô hình nhận dạng có khả năng thực hiện nhận dạng ổn định động hệ thống điện thỏa mãn độ chính xác và nâng cao độ tin cậy

Hơn nữa, đối với hệ thống điện nhiều máy, kích thước bộ dữ liệu ổn định động rất lớn Quy mô lớn của bộ dữ liệu gây tốn chi phí huấn luyện của các hệ thống thông minh Do đó, cần trích xuất tập dữ liệu đủ gọn nhưng vẫn mang tính đại diện cho hệ thống, giúp huấn luyện chính xác ổn định động hệ thống điện [34,46] Trong đó, kỹ thuật xử lý dữ liệu bao gồm kỹ thuật lựa chọn biến đặc trưng và kỹ thuật phân cụm dữ liệu Lựa chọn biến đặc trưng để loại bỏ những biến không thích hợp hoặc những biến thừa, làm giảm số biến đầu vào Phân cụm dữ liệu giúp phân cụm các mẫu thành một nhóm các mẫu tương tự nhau hoặc gần nhau, nhằm giảm số mẫu dữ liệu đầu vào

1.2 Tính cấp thiết của đề tài

Các phương pháp phân tích hệ thống điện truyền thống tốn nhiều thời gian giải nên gây chậm trễ trong việc ra quyết định, ngoài ra tính phi tuyến của hệ thống điện cũng có một trở ngại trong việc chẩn đoán nhanh ổn định động của hệ thống

Do đó, ANN được khuyến nghị như là một phương pháp thay thế để giải quyết những vấn đề khó khăn mà những phương pháp truyền thống không giải quyết được

về tốc độ tính toán cũng như hiệu suất [32] Bằng quá trình học cơ sở dữ liệu, phân tích mối quan hệ phi tuyến vào ra giữa những thông số vận hành hệ thống điện và tình trạng ổn định , có thể tính toán và ra quyết định nhanh chóng [13] Đây là đặc điểm quan trọng, đặc trưng của ANN

Tuy nhiên, kích thước lớn của bộ dữ liệu ổn định động gây tốn chi phí huấn luyện đối với ANN Do đó, để ANN làm viê ̣c nhanh và hiê ̣u quả thì cần trích xuất tập dữ liệu đủ gọn nhưng vẫn mang tính đại diện cho hệ thống, giúp huấn luyện nhanh và chính xác ổn định động hệ thống điện Điều này các công trình đã công bố còn là hạn chế, cho nên đòi hỏi phải có kỹ thuật xử lý dữ liệu mới hiệu quả, giúp giải quyết yêu cầu nhận dạng và chẩn đoán nhanh ổn định hệ thống điện, sớm cảnh

báo trường hợp mất ổn định, giúp hệ thống điều khiển kích hoạt khẩn cấp đưa hệ thống điện về trạng thái ổn định

Kết hợp với các kỹ thuật xử lý dữ liệu, ANN có những đặc điểm nổi bật so với những phương pháp đánh giá ổn định khác bao gồm: tốc độ đánh giá ổn định thời gian thực, yêu cầu dữ liệu ít hơn, khả năng khái quát hóa mạnh mẽ và khả năng

mở rộng [13] Do đó, phương pháp ANN được nhiều nhà khoa học quan tâm nghiên cứu và ứng dụng nhiều trong những năm gần đây Hơn nữa, ANN với những kỹ thuật xử lý dữ liệu cung cấp kết quả nhanh và chính xác để thực hiện hành động cần thiết trong trường hợp có bất kỳ sự cố ngẫu nhiên xảy ra [24] Đề tài tập trung nghiên cứu mô hình nhận dạng dùng ANN chẩn đoán nhanh ổn định động hệ thống điện Các giai đoạn xây dựng mô hình nhận dạng dùng ANN chẩn đoán nhanh ổn định động hệ thống điện bao gồm các bước như sau:

1 Xây dựng cơ sở dữ liệu ổn định động, trong đó bộ cơ sở dữ liệu đáng tin cậy bao trùm một phạm vi toàn diện của các trạng thái vận hành của hệ thống điện

2 Chuẩn hóa dữ liệu, trong đó kiểm tra xử lý và đưa dữ liệu ban đầu về dạng chuẩn quy định trước

3 Xử lý dữ liệu, trong đó bao gồm phân cụm dữ liệu và lựa chọn biến đặc trưng, nhằm trích xuất tập dữ liệu đủ gọn nhưng vẫn mang tính đại diện cho hệ thống điện

4 Huấn luyện mạng, trong đó nắm bắt mối quan hệ giữa ngõ vào và ngõ ra với các thuật toán học để xây dựng mô hình nhận dạng dùng ANN

5 Đánh giá mô hình, trong đó đánh giá sự thực hiện, độ chính xác, độ tin cậy của mô hình nhận dạng dùng ANN được xây dựng

1.3 Mục tiêu và nhiệm vụ của luận văn

1.3.1 Mục tiêu của luận văn

- Xây dựng mô hình nhận dạng chẩn đoán nhanh ổn định động hệ thống điện với độ chính xác nhận dạng cao

1.3.2 Nhiệm vụ của luận văn

- Nghiên cứu và xây dựng mô hình nhận dạng ổn định động hệ thống điện dựa trên cơ sở áp dụng mạng nơron có độ chính xác nhận dạng cao (>95%)

- Tạo cơ sở dữ liệu đánh giá ổn định động hệ thống điện với sự hỗ trợ của PowerWorld

- Xây dựng các chương trình chọn mẫu và thông số đặc trưng trong môi trường Matlab

- Đánh giá hiệu quả nhận dạng của mô hình mạng nơron đề xuất được xây dựng trên hệ thống điện IEEE 10-máy 39-bus

1.4 Phạm vi nghiên cứu

- Nghiên cứu lý thuyết ổn định hệ thống điện, lý thuyết mạng nơron, …

- Nghiên cứu quy trình xử lý dữ liệu, rút gọn biến trên cơ sở áp dụng các thuật toán Fisher, Divergence, Relief và rút gọn mẫu trên cơ sở áp dụng thuật toán

Kmeans, Fuzzy Cmeans

- Nghiên cứu quy trình xây dựng mô hình nhận dạng ổn định động hệ thống

điện dựa trên cơ sở mạng nơron

- Đánh giá hiệu quả mạng nơron đề xuất trên hệ thống điện chuẩn IEEE

10-máy 39-bus

1.5 Phương pháp nghiên cứu

- Phương pháp tham khảo tài liệu liên quan đến luận văn

- Phương pháp mô hình hóa mô phỏng

- Phương pháp phân tích và tổng hợp

1.6 Ý nghĩa khoa học và giá trị thực tiễn của luận văn

- Kết quả nghiên cứu có thể được sử dụng làm tài liệu tham khảo cho học viên cao học ngành kỹ thuật điện trong nghiên cứu bài toán nhận dạng ổn định động

hệ thống điện

- Mô hình nhận dạng ANN được xây dựng có thể sử dụng để trợ giúp trong huấn luyện các điều độ viên ra quyết định trong những tình huống khẩn cấp, sớm đưa hệ thống điện về trạng thái ổn định

CHƯƠNG 2 ĐÁNH GIÁ ỔN ĐỊNH HỆ THỐNG ĐIỆN

Trong quá trình vận hành, hệ thống liên tục trải qua các nhiễu loạn gây tổn hại đến ổn định hệ thống điện và nếu hệ thống không đảm bảo được tính ổn định khi

có tác động của những nhiễu này, có thể dẫn đến sụp đổ hệ thống điện

Ổn định hệ thống điện là khả năng trở lại vận hành bình thường hoặc ổn định sau khi chịu tác động nhiễu Đây là điều kiện thiết yếu để hệ thống có thể tồn tại và vận hành Như ở chế độ xác lập chẳng hạn, để tồn tại phải có sự cân bằng công suất trong hệ thống và đồng thời phải duy trì được độ lệch nhỏ của các thông số dưới những kích động ngẫu nhiên nhỏ, hoặc do tác động của những thao tác đóng cắt, hệ thống điện cần phải chuyển từ chế độ xác lập này sang chế độ xác lập mới [1]

2.2 Phân loại ổn định hệ thống điện

Việc phân loại ổn định hệ thống điện cần phải xem xét nhiều yếu tố như: độ lớn của nhiễu loạn, mô hình hóa chính xác và phân tích nhiễu loạn đặc trưng, thời gian nhiễu loạn tồn tại, thông số hệ thống ảnh hưởng nhiều nhất [56]

Ổn định hệ thống điện được phân loại thành các loại sau: ổn định góc quay rotor, ổn định điện áp và ổn định tĩnh

2.2.1 Ổn định góc quay rotor

Đây là ổn định nhiễu loạn lớn và liên quan đến khả năng liên kết giữa các máy điện đồng bộ nhằm duy trì sự ổn định sau khi xảy ra nhiễu loạn Chúng có thể được chia thành 2 loại:

- Ổn định tín hiệu nhỏ hoặc nhiễu loạn nhỏ

- Ổn định góc quay rotor nhiễu loạn lớn

Trong đó, ổn định tín hiệu nhỏ xem xét các nhiễu nhỏ và các phương trình hệ thống có thể được tuyến tính hóa Đôi khi, ổn định góc quay rotor nhỏ được gọi là

ổn định động ngắn Các điều kiện dao động giữa các hệ thống phụ lớn có thể phụ thuộc vào nhiều yếu tố biến đổi, đó là công suất của các máy phát, các mức tải và điện áp hệ thống, các yếu tố này rất khó để dự đoán chính xác

Ổn định góc quay rotor lớn, thường gọi là ổn định quá độ, xảy ra khi các hệ thống điện chịu đựng các nhiễu loạn lớn, như các sự cố hệ thống Do có sự biến thiên đột ngột các dòng công suất phân bố trong lưới, công suất các máy phát cũng thay đổi đột ngột Khi đó trạng thái cân bằng mômen quay trong máy phát bị phá

vỡ, dẫn đến các sai lệch lớn của góc quay rotor Trong [10,23] ổn định góc rotor đề cập đến khả năng của các máy phát điện đồng bộ có mối liên kết với nhau để vẫn duy trì tính đồng bộ sau khi chịu một kích động lớn

Quá trình quá độ diễn ra có thể ổn định hoặc không ổn định phụ thuộc mức

độ của các kích động Tính ổn định hệ thống trong trường hợp này gọi là ổn định động (Dynamic Stability), hay còn gọi là ổn định quá độ (Transient Stability) [2]

Quan điểm cổ điển cho rằng do moment hãm không đủ, sự mất ổn định xảy

ra trong suốt vòng quay đầu tiên, như đường cong a của Hình 2.1 Trong các hệ thống lớn, ổn định quá độ có thể không xảy ra trong vòng quay đầu tiên Nó có thể

là kết quả của việc xếp chồng nhiều chế độ dao động, điều này có thể dẫn đến sự sai lệch lớn hơn của góc quay rotor trong các vòng quay kế tiếp, như đường cong b của Hình 2.1 Đường cong c của Hình 2.1 cho thấy ổn định quá độ khi hãm các vòng quay góc rotor

Hình 2.1: Ổn định góc quay rotor dưới các chế độ quá độ hệ thống điện khác nhau

Đường cong a, mất ổn định trong vòng quay đầu tiên; đường cong b, mất ổn định do góc quay rotor lớn hơn sau một số vòng quay; đường cong c, ổn định quá độ góc

quay rotor

2.2.2 Ổn định điện áp

Ổn định điện áp có thể được chia thành hai loại như sau [56]:

Mất ổn định nhiễu loạn lớn: Điện áp trong hệ thống nên được kiểm soát khi

có các nhiễu loạn lớn, chẳng hạn như các sự cố ngắn mạch hoặc ngắt máy phát Việc mất ổn định góc quay rotor có thể dẫn đến mất ổn định điện áp Khi hệ thống mất dần tính đồng bộ, như khi góc rotor lệch quá 180, điều này sẽ dẫn đến sụt áp trên lưới điện

Mất ổn định nhiễu loạn nhỏ: Mất ổn định liên quan với khả năng kiểm soát

điện áp của hệ thống dưới các nhiễu loạn nhỏ, như các thay đổi phụ tải trong hệ thống Việc thay đổi dòng công suất trên đường dây gây ra chênh lệch điện áp V ở cuối đường dây

2.2.3 Ổn định tĩnh

Ổn định tĩnh là khả năng của hệ thống sau những kích động nhỏ (nhiễu nhỏ) phục hồi được chế độ ban đầu [1] Khả năng này phụ thuộc vào độ dự trữ ổn định của hệ thống Đánh giá ổn định tĩnh đề cập đến ổn định trạng thái tĩnh của hệ thống

trong giới hạn quá tải của các đường dây hoặc những vi phạm giới hạn của điện áp tại các bus do các kích động trong hệ thống

Đặc trưng góc công suất của một máy phát có thể được suy ra từ sơ đồ phasor cơ bản như trong Hình 2.2

Hình 2.2: Sơ đồ phasor đơn giản của một máy phát, bỏ qua trở kháng

Khi bỏ qua tất cả trở kháng và tổn hao, đặc trưng góc công suất có thể được trình bày như sau:

d

d q d

X X

V X

EV Q

X X

V X

EV P

2

2

sin cos

cos

2 sin 1 1 2

1 sin

s

X X

V x

EV

Khi có bất kì nhiễu loạn ảnh hưởng đến hoạt động ổn định của máy điện đồng bộ, công suất đồng bộ được đưa vào, để chống lại nhiễu loạn và đưa hệ thống đến một điểm ổn định mới [56]

Tóm lại, đánh giá ổn định động của hệ thống điện là một trong những nhiệm

vụ quan trọng nhất trong quá trình thiết kế và vận hành hệ thống điện [20] Ổn định động là khả năng của hệ thống sau những kích động lớn (nhiễu lớn) phục hồi trạng thái ban đầu hoặc gần với trạng thái ban đầu [1]

Đánh giá ổn định động là nhằm để xác định hệ thống điện có thể chịu được những kích động ngẫu nhiên mà không làm mất sự ổn định Đánh giá ổn định động

có tầm quan trọng to lớn để vận hành an toàn và đáng tin cậy hệ thống điện

Trong luận văn đã áp dụng đánh giá ổn định động hệ thống điện dựa trên góc rotor (góc công suất) Đánh giá thuộc tính động của hệ thống điện trong quá trình ngắn mạch dựa trên quan sát mối quan hệ giữa các góc công suất của các máy phát điện Hệ thống điện ổn định nếu bất kỳ góc công suất tương đối của máy phát thứ i

i so với máy phát thứ j j không vượt quá 1800 Ngược lại, nếu góc công suất tương đối vượt quá 1800 thì hệ thống mất ổn định

Tiêu chuẩn để đánh giá ổn định là:

Nếu ∆δij ≤ 1800 ổn định Nếu ∆δij > 1800 không ổn định (2.4)

Để đánh giá hệ thống ổn định hay không ổn định sau kích động lớn có nhiều phương pháp toán được áp dụng Trong đó, các phương pháp tích phân số có thể xác định sự ổn định và góc công suất lớn nhất thông qua giải phương trình dao động phi tuyến cho mỗi máy đối với hệ thống nhiều máy Tuy nhiên, các phương pháp phân tích truyền thống tốn nhiều thời gian giải nên gây chậm trễ trong việc ra quyết định Do đó, với yêu cầu rất khắc khe về thời gian tính toán, tính nhanh nhưng phải chính xác, nên luận văn đã ứng dụng phương pháp khác hiệu quả hơn, đó là phương pháp nhận dạng sử dụng ANN

Tuy nhiên, trước khi đi vào nghiên cứu cụ thể phương pháp sẽ được vận dụng để chẩn đoán ổn định động trong hệ thống điện, cần phải nhắc đến phương trình cơ bản để xác định thuộc tính động rotor và mô hình đơn giản hóa máy phát được sử dụng trong các nghiên cứu ổn định quá độ, đó là phương trình chuyển động rotor [1] hay còn gọi là phương trình dao động [9]

2.3 Phương trình dao động của máy phát

Phương trình dao động liên quan đến chuyển động của rotor [56], được viết lại như sau:

e m

là moment cơ và Te là moment điện (N.m) Các đại lượng này có thể được chuyển sang hệ đơn vị tương đối bởi mối quan hệ giữa hằng số quán tính H và moment quán tính J:

eu mu

ru T T dt

d

H 2 2  

(2.6) Trong đó:

0

2 0

VA

J

Chỉ số dưới u cho biết các giá trị thuộc hệ đơn vị tương đối H là hằng số

quán tính, được định nghĩa với các đơn vị phổ biến của Hoa Kỳ như sau:

machine of

rating MVA

ft lb WR RPM

10 2

2 2

0 0

d H



2 2

ru D eu

mu T K T

r

r D e m r

dt d

K T T H dt

1





(2.13)

K1 (đơn vị tương đối P/rad) = hệ số đồng bộ

Giới hạn K1 có thể được gọi là công suất đồng bộ, có tác dụng tăng và giảm quán tính để đưa hệ thống về điểm làm việc ổn định Đối với các sai lệch nhỏ,

K1 là độ dốc của đường cong góc công suất quá độ, tại điểm làm việc ổn định riêng biệt, như Hình 2.3:

E V d

dP K

Đối chiếu với Hình 2.4 của một máy phát đồng bộ kết nối với một thanh cái

vô hạn thông qua điện kháng Xe, và bỏ qua phần dư, E′ là điện áp nội phía sau điện kháng quá độ, Eq là điện áp nội phía sau điện kháng đồng bộ, V là điện áp thanh cái

vô hạn, Vt là điện áp đầu cực máy phát, và  là góc giữa E′qvà V

Phương trình (2.11) điều chỉnh đáp ứng động, có tần số dao động khoảng:

s rad H

Hình 2.3: Đường cong góc công suất quá độ với độ dốc K1

Hình 2.4: (a) Máy phát kết nối với thanh cái vô hạn thông qua điện kháng ngoại

(b) Sơ đồ phasor của máy phát kết nối với thanh cái vô hạn

2.4 Mô hình đơn giản hóa máy phát và hệ thống tương đương

Hình 2.5 trình bày một mô hình đơn giản hóa của một máy phát điện đồng

bộ, được gọi là mô hình cổ điển, mà có thể được sử dụng trong các nghiên cứu ổn định quá độ [9] Như đã cho thấy, máy phát điện đồng bộ được miêu tả bằng một

sức điện động không đổi 𝐸′, theo sau trục thẳng của nó là điện kháng quá độ 𝑋𝑑′

Mô hình này được dựa trên các giả định sau đây:

1 Máy phát đang hoạt động dưới các điều kiện ba pha thứ tự thuận cân bằng

2 Kích từ máy phát là không đổi

3 Tổn thất máy phát, sự bão hòa, và cực lồi được bỏ qua

Trong các chương trình tính toán ổn định quá độ, các mô hình chi tiết hơn có thể được sử dụng để miêu tả các bộ kích từ, các tổn thất, sự bão hòa,…Tuy nhiên,

mô hình đơn giản hóa làm giảm tính phức tạp mô hình trong khi vẫn duy trì độ chính xác hợp lý trong các tính toán ổn định

a) Sơ đồ mạch b) Sơ đồ pha

Hình 2.5: Mô hình đơn giản hóa máy điện đồng bộ cho nghiên cứu ổn định quá độ

Mỗi máy phát điện trong mô hình được kết nối với một hệ thống bao gồm các đường dây truyền tải, các máy biến áp, các phụ tải và các máy khác Với một xấp xỉ đầu tiên hệ thống có thể được miêu tả bởi một thanh góp vô hạn đằng sau một điện kháng hệ thống Một thanh góp vô hạn là một nguồn điện áp lý tưởng mà duy trì độ lớn điện áp không đổi, pha không đổi, và tần số không đổi

Hình 2.6: Máy phát điện đồng bộ kết nối với một hệ thống tương đương

Hình 2.6 trình bày một máy phát điện đồng bộ kết nối với một hệ thống tương đương Biên độ điện áp Vbus và góc pha 00 của thanh góp vô hạn là không đổi Góc pha 𝛿 của sức điện động máy phát là góc công suất máy phát đối với thanh góp vô hạn

Điện kháng tương đương giữa sức điện động máy phát và thanh góp vô hạn

là X eq (X d X) Công suất thực được cung cấp bởi máy phát điện đồng bộ đến

thanh góp vô hạn là: sin

eq

bus e

X

V E

Trong các sự nhiễu loạn thoáng qua cả 𝐸′ và 𝑉𝑏𝑢𝑠 được coi không thay đổi

Do đó 𝑃𝑒 là một hàm sin của góc công suất 𝛿 máy phát [9]

2.5 Ổn định hệ nhiều máy

Hình 2.4 trình bày một hệ thống điện N nút với M máy phát điện đồng bộ Mỗi máy cùng được miêu tả bằng mô hình đơn giản hóa, các sức điện động của các máy phát được ký hiệu E1, E2,… EM Các đầu cực M máy được kết nối với các nút

hệ thống được ký hiệu G1, G2, … GM Tất cả phụ tải ở đây được mô hình hóa như các tổng dẫn không đổi [9]

Hệ thống điện N nút kết nối với các đầu cực máy phát G1, G2, … GM.

Các đường dây truyền tải, các máy biến áp, các phụ tải được mô hình hóa bởi những tổng dẫn không đổi

GM

G2G1

V Y Y

Y Y T

022

V

V V

2

' 2

' 1

M E

E

E E

 là M vectơ của các điện áp máy phát (2.19)

12 11

Y Y

Y Y

T là một ma trận tổng dẫn (N+M)x(N+M) (2.21)

Ma trận tổng dẫn trong (2.21) được phân chia theo đúng N nút hệ thống và

M nút sức điện động như sau:

10

01

0

1'

Viết (2.17) thành 2 phương trình riêng biệt:

012

11V  E Y 

I E Y V

Giả sử E đã được biết, (2.24) là một phương trình tuyến tính trong V mà có thể được giải hoặc lặp hoặc khử Gauss Sử dụng phương pháp lặp Gauss-Seidel cho bởi phương trình (2.26) [9(6.4.6)]

n kn n

M n

k

n kn n n

kn kk

Y i

V

1111

1

1 11

12 11

)1(

1)1

Sau khi tính được V, các dòng điện máy phát có thể tìm được từ (2.25)

E Y V Y I

độ tính toán cũng như hiệu suất Tuy nhiên, ANN vận hành phải có số liệu ban đầu,

do đó đã tiến hành chạy bao quát các chế độ trên hệ thống điện để tạo cơ sở dữ liệu đánh giá ổn định động Thông qua mô phỏng offline trên phần mềm PowerWorld, thực hiện trên hệ thống IEEE 10-máy 39-bus, xét sự cố ngắn mạch 3 pha cân bằng tại các bus và dọc các đường dây truyền tải, đánh giá và phân loại các bus, các đường dây truyền tải trên hệ thống điện vào một trong hai trạng thái ổn định/không

ổn định dựa trên quan sát mối quan hệ giữa các góc công suất của các máy phát điện trên hệ thống điện, sau đó lấy mẫu và xây dựng tập học ban đầu

Ta có, phương trình dao động máy phát rút gọn:

e m s

P P dt

d H



2

X

E E

P e 

(2.31)

Từ phương trình 2.30 ta thấy, góc công suất của máy phát điện phụ thuộc vào công suất tác dụng Pe và điện áp E1, E2 của máy phát, mà ở đây chính là điện áp bus

Do số trạng thái vận hành là vô tận, để đảm bảo hiệu quả cần chọn các trạng thái với các mẫu là đại diện, các biến là đặc trưng cho tất cả các trường hợp vận hành có thể xảy ra, và phải tổng quát toàn bộ các trạng thái vận hành của hệ thống

Như đã phân tích, luận văn chọn các mẫu dữ liệu đại diện cho trạng thái hoạt động của hệ thống điện là độ thay đổi công suất tác dụng phụ tải, độ sụt điện áp tại các bus và độ thay đổi công suất tác dụng phân bố trên các đường dây truyền tải Lần lượt thực hiện mô phỏng ngắn mạch tại các bus, các line và các máy biến áp, đồng thời xem xét tới các vị trí nguy hiểm, các đường dây, các bus có ảnh hưởng lớn đến hệ thống điện và cho tăng tải ở những mức tải khác nhau để bao quát các chế độ vận hành Ở mỗi mức tải, trước khi mô phỏng ổn định quá độ để đánh giá thuộc tính động của hệ thống điện và phân dữ liệu về một trong hai trạng thái ổn định/không ổn định, tiến hành thực hiện kích hoạt các hệ thống tự động điều chỉnh điện áp, điều chỉnh kích từ, điều chỉnh tần số, giới hạn công suất phát, … và thực hiện chạy phân bố công suất tối ưu

2.6.1 Quy trình mô phỏng lấy mẫu trong PowerWorld

Để xây dựng mô hình nhận dạng dùng ANN, giai đoạn quan trọng nhất ảnh hưởng về kết quả và thời gian là tạo cơ sở dữ liệu ổn định động Cơ sở dữ liệu đáng tin cậy không chỉ xác định độ chính xác đánh giá ổn định động, mà còn có tác động đáng kể đến sự vững mạnh của mô hình Để có được cơ sở dữ liệu đáng tin cậy, hai yếu tố được quan tâm trong quá trình mô phỏng

Đầu tiên, cơ sở dữ liệu phải bao trùm một phạm vi toàn diện của các trạng thái vận hành và phải biểu thị được một cách đầy đủ những kịch bản vận hành của

hệ thống của cả hai điều kiện ổn định và không ổn định Do đó, luận văn thực hiện

mô phỏng offline theo miền thời gian để đánh giá ổn định/không ổn định khi xảy ra

sự cố ở tất cả các bus, máy biến áp và ở những vị trí khác nhau trên tất cả các đường dây truyền tải của hệ thống điện

Thứ hai, cơ sở dữ liệu được tạo ra phải đảm bảo tính khách quan đối với các thông số của hệ thống điện kiểm tra Việc thực hiện mô phỏng offline để tạo cơ sở dữ liê ̣u là công viê ̣c chiếm nhiều thời gian mà các bài báo , các công trình nghiên cứu của các tác giả khác cũng được thực hiê ̣n tương tự Các thông số chuẩn của mô hình hệ thống điện IEEE 10-máy 39-bus được kiểm tra và cài đặt để đảm bảo rằng

cơ sở dữ liệu được tạo ra phản ánh đúng thông tin ổn định động của hệ thống điện

Mặt khác, việc vận hành hệ thống điện phải vận dụng hết khả năng mang tải của hệ thống điện sẵn có và xây dựng các hệ thống điều khiển-bảo vệ để hệ thống vận hành ổn định hơn, đáp ứng được nhu cầu tăng trưởng phụ tải với chi phí vận hành thấp nhất Điều này có nghĩa là công suất tác dụng và công suất phản kháng của máy phát được phép biến đổi trong giới hạn min-max để đáp ứng nhu cầu tải với chi phí vận hành nhỏ nhất Do đó, để tối ưu hóa giải pháp phân phối công suất của hệ thống điện có quy mô lớn và dự báo nhu cầu tăng trưởng phụ tải cũng như có được kết quả nhận dạng ổn định động chính xác, trước khi chạy mô phỏng lấy mẫu đánh giá ổn định động hệ thống điện, đã tiến hành cài đặt theo các thông số chuẩn của hệ thống điện IEEE 10-máy 39-bus và thực hiện kích hoạt các hệ thống tự động điều chỉnh điện áp, điều chỉnh kích từ, điều chỉnh tần số, giới hạn công suất phát, …

và chạy phân bố công suất tối ưu

Quy trình mô phỏng lấy mẫu trong PowerWorld được đề xuất tiến hành qua

3 bước chính như sau:

Trong đó, quy trình thực hiện của mỗi bước được giới thiệu như sau:

Bước 1: Thực hiện cài đặt các thông số, mô hình chuẩn và kích hoạt các hệ thống tự điều chỉnh của các mô hình trong hệ thống điện IEEE 10-máy 39-bus

Bắt đầu

Cài đặt các thông số mô hình máy phát điện (theo bảng 2.1)

Bước 2

Cài đặt thông số thiết bị điều chỉnh tần số (theo bảng 2.3)

Cài đặt thông số thiết bị điều khiển kích từ (theo bảng 2.2)

“Stability”

Cài đặt công suất định mức

và công suất giới hạn của máy phát (theo bảng 2.4)

Kích hoạt giới hạn công suất phát (“Enforce MW Limits”),

tự động điều chỉnh công suất phát (“Available for AGC”), điều chỉnh điện áp tự động (“Available for AVR”)

“Power and Voltage Control”

Cài đặt công suất định mức

của tải (theo bảng 2.4) “Load Information”

Cài đặt thông số đầu phân

áp máy biến áp (theo bảng 2.5) “Transformer”

Kích hoạt mô hình máy phát điện (“GENPWTwoAxis”), Thiết bị điều khiển kích từ (IEEET1) Thiết bị điều chỉnh tần số (TGOV1)

Kích hoạt vận hành kinh tế ban đầu (“If AGCable”) “OPF”

“Faults” Kích hoạt trung tính nối đất(“Neutral Grounded”)

Hình 2.9: Quy trình cài đặt các thông số, mô hình chuẩn và kích hoạt hệ thống tự

Bước 2: Chạy phân bố công suất tối ưu

“Add Ons” -> “OPF Case

Info” -> “OPF Area”

AGC=NO AVR=YES

“Cost Model” = None

“Case Information”

“Generators/

Loads”

“AGC Status”= “off AGC”

“Single Solution” - “Full Newton”

“Reset to Flat Start”

“Run Mode” -> “Tools” ->

“Solve”

Chạy phân bố công suất

“AGC Status” = OPF

“Includes Marginal Losser” =

YES

“Add Ons” -> “OPF Case

Infor”-> “OPF Area”

AGC = YES

“Cost Model” = “Cubic”

“Case Information” -> “Generators”

“Add Ons” -> “Frimal LP”

Chạy phân bố công suất tối

ưu

Hình 2.10: Quy trình chạy phân bố công suất tối ưu cho hệ thống điện IEEE-39bus

Bước 3: Mô phỏng ổn định quá độ, đánh giá ổn định/không ổn định và lấy mẫu

Bước 3

Cài đặt thời gian bắt đầu và kết thúc (s) Cài đặt bước thời gian Time Step =0.5s (0.00833s) [9]

“Rotor Angel” = YES

“Field Current” = YES

“Field Voltage” = YES

“Bus Voltage” = YES

MW = YES Mvar = YES

Cài đặt biến hệ thống

“Result Storage”

-> “Store to RAM Options”

Chọn bus/ máy biến áp/

đường dây kiểm tra ổn định

“Simulation” -> “Control” Cài đặt vị trí ngắn mạch

(5%,10%,…,95%line)

“Run Transient Stability”

-> Đánh giá ổn định/ không

ổn định theo (2.1) Chạy ổn định quá độ

“Time Open Fault” = 0.05s

Sao lưu bộ mẫu

Hình 2.11: Quy trình mô phỏng ổn định quá độ, đánh giá ổn định/không ổn định

và sao lưu mẫu cho hệ thống IEEE-39bus

Trong đó, các bảng thông số của mô hình máy phát, công suất định mức tải, công suất định mức và công suất giới hạn Pmax, Pmin máy phát, thiết bị kích từ, thiết bị điều chỉnh tần số, điện áp đầu cực máy phát, thông số cài đặt đầu phân áp trên các máy biến áp của hệ thống điện IEEE 10-máy 39-bus được trình bày lần lượt

ở các Bảng từ Bảng 2.1 đến Bảng 2.5 và được đính kèm ở cuối luận văn

2.6.2 Mô tả quá trình lấy mẫu

Hệ thống điện IEEE 10-máy 39-bus gồm có 39 bus, 12 máy biến áp và 34 đường dây truyền, mô phỏng sự cố ngắn mạch 3 pha để đánh giá ổn định/không ổn định tại tất cả các bus và dọc các đường dây truyền tải ở các vị trí 5%, 10%, 15%, 20%, 25%, 30%, 35%, 40%, 45%, 50%, 55%, 60%, 65%, 70%, 75%, 80%, 85%, 90% và 95% đường dây

Thông qua mô phỏng offline và kiểm tra ổn định động từng mẫu một với sự

hỗ trợ của phần mềm PowerWorld, kết quả thu được tập mẫu dữ liệu gồm 3200 mẫu, trong đó 2400 mẫu ổn định và 800 mẫu không ổn định Để thuận tiện trong biểu diễn, bộ dữ liệu này được kí hiệu Data(OD,KOD), trong đó OD là số mẫu ổn định, KOD là số mẫu không ổn định Như vậy, bộ dữ liệu ban đầu được ký hiệu là Data(2400,800) Tập dữ liệu này đã được chuẩn hóa trước khi xử lý, huấn luyện

2.7 Kết luận chương 2

Chương 2 đã trình bày tổng quan về quá trình trình mô phỏng để tạo cơ sở dữ liệu ổn định động trên hệ thống điện IEEE 10-máy 39-bus để xây dựng mô hình ANN nhận dạng ổn định động hệ thống điện Trong chương này đã tìm hiểu lý thuyết ổn định hệ thống điện và đã đề xuất quy trình lấy mẫu ổn định hệ thống điện Trong chương 3, sau phần giới thiệu tổng quan về kỹ thuật lựa chọn biến đặc trưng,

sẽ trình bày quy trình lựa chọn biến và giới thiệu các phương pháp, thuật toán lựa chọn biến đặc trưng sử dụng cho mô hình ANN nhận dạng ổn định động hệ thống điện